第1章 基本概念 1
1.1 导言 2
1.2 样本和样本分布 9
1.3 统计推断 20
1.4 统计量和抽样分布 24
习题 44
第2章 点估计 47
2.1 矩估计与极大似然估计 48
2.2 无偏估计 59
2.3 点估计的大样本理论 75
习题 88
第3章 假设检验 91
3.1 概述Pearson和Fisher的思想 92
3.2 拟合优度检验 98
3.3 Neyman-Pearson理论 113
3.4 一致最优检验与无偏检验 119
3.5 似然比检验 128
3.6 正态分布参数的检验及有关检验 133
3.7 序贯概率比检验 148
习题 156
第4章 区间估计 161
4.1 Neyman的置信区间理论 162
4.2 Fisher的信任推断法 176
4.3 容忍区间与容忍限 180
习题 185
第5章 Bayes统计与统计判决理论 189
5.1 Bayes统计推断 191
5.2 统计判决理论 212
习题 233
第6章 线性统计模型 237
6.1 线性模型的概念和分类 238
6.2 回归分析 243
6.3 方差分析 263
6.4 协方差分析 274
6.5 一般线性模型的统计推断 278
附录 统计中常用的矩阵代数 294
习题 300
第7章 多元分析基础 305
7.1 多元正态总体的抽样分布及参数推断 307
7.2 判别分析 325
7.3 多元线性模型 337
7.4 随机向量的互依性 351
习题 364
附表 369
1．正态分布函数表 370
2．t分布表 371
3．X2分布表 372
4．F分布表 374